I.Analizamos los resultados de los pilotos de F1 durante la temporada 2020

# Importamos los resultados de la temporada 2020 de la F1 ----------------
# Echamos un vistazo a las estadisticas en el siguiente enlace
browseURL('https://www.formel1.de/rennergebnisse/wm-stand/2020/fahrerwertung')
# Fijamos los contenidos de la tabla HTML dentro de la variable f1
f1 <- read_html('https://www.formel1.de/rennergebnisse/wm-stand/2020/fahrerwertung') %>% 
  html_node('table') %>% 
  html_table()
# Mostramos nuestros datos
f1
##    Pos.             Fahrer Pkt.                                                
## 1     1     Lewis Hamilton  347 12 25 26 25 19 25 25  7 26 15 25 26 26 25 25  -
## 2     2    Valtteri Bottas  223 25 18 15  - 15 16 18 10 18 26  - 18 18  -  4  4
## 3     3     Max Verstappen  214  - 15 18 19 25 18 15  -  - 18 19 15  -  8 19  -
## 4     4       Sergio Perez  125  8  8  6  -  - 10  1  1 10 12 12  6  8 18  - 25
## 5     5   Daniel Ricciardo  119  -  4  4 12  -  - 13  8 12 10 15  2 15  1  6 10
## 6     6       Carlos Sainz  105 10  3  2  -  -  8  - 18  -  - 10  8  6 10 10 12
## 7     7    Alexander Albon  105  - 12 10  4 10  4  8  - 15  1  -  -  -  6 15  8
## 8     8    Charles Leclerc   98 18  -  - 15 12  -  -  -  4  8  6 12 10 12  1  -
## 9     9       Lando Norris   97 16 10  - 10  2  1  6 12  8  -  -  -  4  5 12  1
## 10   10       Pierre Gasly   75  6  -  -  6  -  2  4 25  -  2  8 10  -  -  8  -
## 11   11       Lance Stroll   75  -  6 12  2  8 12  2 15  -  -  -  -  -  2  - 15
## 12   12       Esteban Ocon   62  4  -  -  8  4  - 10  4  -  6  -  4  -  -  2 18
## 13   13   Sebastian Vettel   33  1  -  8  1  -  6  -  -  1  -  -  1  - 15  -  -
## 14   14       Daniil Kwjat   32  -  1  -  -  1  -  -  2  6  4  -  - 12  -  -  6
## 15   15    Nico Hülkenberg   10  -  -  -  -  6  -  -  -  -  -  4  -  -  -  -  -
## 16   16     Kimi Räikkönen    4  -  -  -  -  -  -  -  -  2  -  -  -  2  -  -  -
## 17   17 Antonio Giovinazzi    4  2  -  -  -  -  -  -  -  -  -  1  -  1  -  -  -
## 18   18     George Russell    3  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  3
## 19   19    Romain Grosjean    2  -  -  -  -  -  -  -  -  -  -  2  -  -  -  -  -
## 20   20    Kevin Magnussen    1  -  -  1  -  -  -  -  -  -  -  -  -  -  -  -  -
## 21   21    Nicholas Latifi    -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -
## 22   22        Jack Aitken    -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -
## 23   23  Pietro Fittipaldi    -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -
##      
## 1  15
## 2  18
## 3  25
## 4   -
## 5   7
## 6   8
## 7  12
## 8   -
## 9  10
## 10  4
## 11  1
## 12  2
## 13  -
## 14  -
## 15  -
## 16  -
## 17  -
## 18  -
## 19  -
## 20  -
## 21  -
## 22  -
## 23  -

II.Procedemos a limpiar la información y clasificarla de manera concisa

# Transformamos y limpiamos la informacion de los pilotos -----------------------------------------------
# Añadimos los titulos de las columnas restantes
colnames(f1) <- c('Pos', 'Piloto', 'Total', sprintf('R%02d', 1:17))
# Convertimos a un "tibble data frame" y filtramos a los 8 mejores pilotos
f1 <- as_tibble(f1) %>% 
  filter(as.integer(Pos) <= 9)
# Convertimos a Piloto en una variable factorial, reemplazamos todos los '-' con ceros, convertimos a formato largo
f1$Piloto <- as.factor(f1$Piloto)
f1[, -2] <- apply(f1[, -2], 2, function(x) as.integer(gsub('-', '0', as.character(x))))
f1long <- gather(f1, Carrera, Puntos, R01:R17)
# Y así se ve mejor
f1long
## # A tibble: 153 x 5
##      Pos Piloto           Total Carrera Puntos
##    <int> <fct>            <int> <chr>    <int>
##  1     1 Lewis Hamilton     347 R01         12
##  2     2 Valtteri Bottas    223 R01         25
##  3     3 Max Verstappen     214 R01          0
##  4     4 Sergio Perez       125 R01          8
##  5     5 Daniel Ricciardo   119 R01          0
##  6     6 Carlos Sainz       105 R01         10
##  7     7 Alexander Albon    105 R01          0
##  8     8 Charles Leclerc     98 R01         18
##  9     9 Lando Norris        97 R01         16
## 10     1 Lewis Hamilton     347 R02         25
## # … with 143 more rows

III.Graficamos la trayectoria a lo largo de la temporada de los 9 mejores pilotos

# Ahora añadimos algunas graficas ------------------------------------------------------
# '9 pilotos'
ggplot(f1long, aes(x = Carrera, y = Puntos, group = Piloto, colour = Piloto)) + 
  geom_line() +
  scale_x_discrete(breaks=c('R01', 'R04', 'R08', 'R12', 'R17')) +
  labs(title = 'Resultados Fórmula 1 2020, 9 mejores pilotos',
       caption = 'fuente: www.formel1.de')

IV.A continuación, se muestra una gráfica independiente del desempeño de los 9 mejores pilotos

# Grafica para cada piloto
ggplot(f1long, aes(x = Carrera, y = Puntos, group = Piloto, colour = Piloto)) + 
  geom_line(show.legend = FALSE) + facet_wrap(~ Piloto) +
  scale_x_discrete(breaks=c('R01', 'R04', 'R08', 'R12', 'R17')) +
  labs(title = 'Resultados Fórmula 1 2020, 9 mejores pilotos',
       caption = 'fuente: www.formel1.de')

V.Ahora analizamos las estadisticas del campeonato de constructores

# Importamos los resultados del campeonato de constructores 2020 ----------------
# Tomamos nuestra información de la siguiente pagina web
browseURL('https://www.formel1.de/rennergebnisse/wm-stand/2020/konstrukteurswertung')
# Fijamos los contenidos de la tabla HTML dentro de la variable f2
f2 <- read_html('https://www.formel1.de/rennergebnisse/wm-stand/2020/konstrukteurswertung') %>% 
  html_node('table') %>% 
  html_table()
# Display our data
f2
##    Pos.            Team Pkt.                                                   
## 1     1   Mercedes-Benz  573 37 43 41 25 34 41 43 17 44 41 25 44 44 25 29  7 33
## 2     2 Red Bull Racing  319  - 27 28 23 35 22 23  - 15 19 19 15  - 14 34  8 37
## 3     3         McLaren  202 26 13  2 10  2  9  6 30  8  - 10  8 10 15 22 13 18
## 4     4    Racing Point  195  8 14 18  2 14 22  3 16 10 12 16  6  8 20  - 40  1
## 5     5         Renault  181  4  4  4 20  4  - 23 12 12 16 15  6 15  1  8 28  9
## 6     6         Ferrari  131 19  -  8 16 12  6  -  -  5  8  6 13 10 27  1  -  -
## 7     7      AlphaTauri  107  6  1  -  6  1  2  4 27  6  6  8 10 12  -  8  6  4
## 8     8      Alfa Romeo    8  2  -  -  -  -  -  -  -  2  -  1  -  3  -  -  -  -
## 9     9            Haas    3  -  -  1  -  -  -  -  -  -  -  2  -  -  -  -  -  -
## 10   10        Williams    -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -  -

VI.Analizamos los datos del campeonato de constructores

# Transformamos y limpiamos la informacion de las escuderias -----------------------------------------------
# Añadimos los titulos de las columnas restantes
colnames(f2) <- c('Pos', 'Escuderia', 'Total', sprintf('R%02d', 1:17))
# Convertimos a un "tibble data frame" y filtramos a las 9 mejores escuderias
f1 <- as_tibble(f2) %>% 
  filter(as.integer(Pos) <= 9)
# Convertimos a Escuderia en una variable factorial, reemplazamos todos los '-' con ceros, convertimos a formato largo
f2$Escuderia <- as.factor(f2$Escuderia)
f2[, -2] <- apply(f2[, -2], 2, function(x) as.integer(gsub('-', '0', as.character(x))))
f2long <- gather(f2, Carrera, Puntos, R01:R17)
# Y así se ve mejor
f2long
##     Pos       Escuderia Total Carrera Puntos
## 1     1   Mercedes-Benz   573     R01     37
## 2     2 Red Bull Racing   319     R01      0
## 3     3         McLaren   202     R01     26
## 4     4    Racing Point   195     R01      8
## 5     5         Renault   181     R01      4
## 6     6         Ferrari   131     R01     19
## 7     7      AlphaTauri   107     R01      6
## 8     8      Alfa Romeo     8     R01      2
## 9     9            Haas     3     R01      0
## 10   10        Williams     0     R01      0
## 11    1   Mercedes-Benz   573     R02     43
## 12    2 Red Bull Racing   319     R02     27
## 13    3         McLaren   202     R02     13
## 14    4    Racing Point   195     R02     14
## 15    5         Renault   181     R02      4
## 16    6         Ferrari   131     R02      0
## 17    7      AlphaTauri   107     R02      1
## 18    8      Alfa Romeo     8     R02      0
## 19    9            Haas     3     R02      0
## 20   10        Williams     0     R02      0
## 21    1   Mercedes-Benz   573     R03     41
## 22    2 Red Bull Racing   319     R03     28
## 23    3         McLaren   202     R03      2
## 24    4    Racing Point   195     R03     18
## 25    5         Renault   181     R03      4
## 26    6         Ferrari   131     R03      8
## 27    7      AlphaTauri   107     R03      0
## 28    8      Alfa Romeo     8     R03      0
## 29    9            Haas     3     R03      1
## 30   10        Williams     0     R03      0
## 31    1   Mercedes-Benz   573     R04     25
## 32    2 Red Bull Racing   319     R04     23
## 33    3         McLaren   202     R04     10
## 34    4    Racing Point   195     R04      2
## 35    5         Renault   181     R04     20
## 36    6         Ferrari   131     R04     16
## 37    7      AlphaTauri   107     R04      6
## 38    8      Alfa Romeo     8     R04      0
## 39    9            Haas     3     R04      0
## 40   10        Williams     0     R04      0
## 41    1   Mercedes-Benz   573     R05     34
## 42    2 Red Bull Racing   319     R05     35
## 43    3         McLaren   202     R05      2
## 44    4    Racing Point   195     R05     14
## 45    5         Renault   181     R05      4
## 46    6         Ferrari   131     R05     12
## 47    7      AlphaTauri   107     R05      1
## 48    8      Alfa Romeo     8     R05      0
## 49    9            Haas     3     R05      0
## 50   10        Williams     0     R05      0
## 51    1   Mercedes-Benz   573     R06     41
## 52    2 Red Bull Racing   319     R06     22
## 53    3         McLaren   202     R06      9
## 54    4    Racing Point   195     R06     22
## 55    5         Renault   181     R06      0
## 56    6         Ferrari   131     R06      6
## 57    7      AlphaTauri   107     R06      2
## 58    8      Alfa Romeo     8     R06      0
## 59    9            Haas     3     R06      0
## 60   10        Williams     0     R06      0
## 61    1   Mercedes-Benz   573     R07     43
## 62    2 Red Bull Racing   319     R07     23
## 63    3         McLaren   202     R07      6
## 64    4    Racing Point   195     R07      3
## 65    5         Renault   181     R07     23
## 66    6         Ferrari   131     R07      0
## 67    7      AlphaTauri   107     R07      4
## 68    8      Alfa Romeo     8     R07      0
## 69    9            Haas     3     R07      0
## 70   10        Williams     0     R07      0
## 71    1   Mercedes-Benz   573     R08     17
## 72    2 Red Bull Racing   319     R08      0
## 73    3         McLaren   202     R08     30
## 74    4    Racing Point   195     R08     16
## 75    5         Renault   181     R08     12
## 76    6         Ferrari   131     R08      0
## 77    7      AlphaTauri   107     R08     27
## 78    8      Alfa Romeo     8     R08      0
## 79    9            Haas     3     R08      0
## 80   10        Williams     0     R08      0
## 81    1   Mercedes-Benz   573     R09     44
## 82    2 Red Bull Racing   319     R09     15
## 83    3         McLaren   202     R09      8
## 84    4    Racing Point   195     R09     10
## 85    5         Renault   181     R09     12
## 86    6         Ferrari   131     R09      5
## 87    7      AlphaTauri   107     R09      6
## 88    8      Alfa Romeo     8     R09      2
## 89    9            Haas     3     R09      0
## 90   10        Williams     0     R09      0
## 91    1   Mercedes-Benz   573     R10     41
## 92    2 Red Bull Racing   319     R10     19
## 93    3         McLaren   202     R10      0
## 94    4    Racing Point   195     R10     12
## 95    5         Renault   181     R10     16
## 96    6         Ferrari   131     R10      8
## 97    7      AlphaTauri   107     R10      6
## 98    8      Alfa Romeo     8     R10      0
## 99    9            Haas     3     R10      0
## 100  10        Williams     0     R10      0
## 101   1   Mercedes-Benz   573     R11     25
## 102   2 Red Bull Racing   319     R11     19
## 103   3         McLaren   202     R11     10
## 104   4    Racing Point   195     R11     16
## 105   5         Renault   181     R11     15
## 106   6         Ferrari   131     R11      6
## 107   7      AlphaTauri   107     R11      8
## 108   8      Alfa Romeo     8     R11      1
## 109   9            Haas     3     R11      2
## 110  10        Williams     0     R11      0
## 111   1   Mercedes-Benz   573     R12     44
## 112   2 Red Bull Racing   319     R12     15
## 113   3         McLaren   202     R12      8
## 114   4    Racing Point   195     R12      6
## 115   5         Renault   181     R12      6
## 116   6         Ferrari   131     R12     13
## 117   7      AlphaTauri   107     R12     10
## 118   8      Alfa Romeo     8     R12      0
## 119   9            Haas     3     R12      0
## 120  10        Williams     0     R12      0
## 121   1   Mercedes-Benz   573     R13     44
## 122   2 Red Bull Racing   319     R13      0
## 123   3         McLaren   202     R13     10
## 124   4    Racing Point   195     R13      8
## 125   5         Renault   181     R13     15
## 126   6         Ferrari   131     R13     10
## 127   7      AlphaTauri   107     R13     12
## 128   8      Alfa Romeo     8     R13      3
## 129   9            Haas     3     R13      0
## 130  10        Williams     0     R13      0
## 131   1   Mercedes-Benz   573     R14     25
## 132   2 Red Bull Racing   319     R14     14
## 133   3         McLaren   202     R14     15
## 134   4    Racing Point   195     R14     20
## 135   5         Renault   181     R14      1
## 136   6         Ferrari   131     R14     27
## 137   7      AlphaTauri   107     R14      0
## 138   8      Alfa Romeo     8     R14      0
## 139   9            Haas     3     R14      0
## 140  10        Williams     0     R14      0
## 141   1   Mercedes-Benz   573     R15     29
## 142   2 Red Bull Racing   319     R15     34
## 143   3         McLaren   202     R15     22
## 144   4    Racing Point   195     R15      0
## 145   5         Renault   181     R15      8
## 146   6         Ferrari   131     R15      1
## 147   7      AlphaTauri   107     R15      8
## 148   8      Alfa Romeo     8     R15      0
## 149   9            Haas     3     R15      0
## 150  10        Williams     0     R15      0
## 151   1   Mercedes-Benz   573     R16      7
## 152   2 Red Bull Racing   319     R16      8
## 153   3         McLaren   202     R16     13
## 154   4    Racing Point   195     R16     40
## 155   5         Renault   181     R16     28
## 156   6         Ferrari   131     R16      0
## 157   7      AlphaTauri   107     R16      6
## 158   8      Alfa Romeo     8     R16      0
## 159   9            Haas     3     R16      0
## 160  10        Williams     0     R16      0
## 161   1   Mercedes-Benz   573     R17     33
## 162   2 Red Bull Racing   319     R17     37
## 163   3         McLaren   202     R17     18
## 164   4    Racing Point   195     R17      1
## 165   5         Renault   181     R17      9
## 166   6         Ferrari   131     R17      0
## 167   7      AlphaTauri   107     R17      4
## 168   8      Alfa Romeo     8     R17      0
## 169   9            Haas     3     R17      0
## 170  10        Williams     0     R17      0

VII.Añadimos gráfica global

# Ahora añadimos su grafica respectiva ------------------------------------------------------
# 'TOP 10'
ggplot(f2long, aes(x = Carrera, y = Puntos, group = Escuderia, colour = Escuderia)) + 
  geom_line() +
  scale_x_discrete(breaks=c('R01', 'R04', 'R08', 'R12', 'R17')) +
  labs(title = 'Resultados Fórmula 1 2020, Ranking mejores escuderias',
       caption = 'fuente: www.formel1.de')

VIII.Gráfica para cada escuderia

ggplot(f2long, aes(x = Carrera, y = Puntos, group = Escuderia, colour = Escuderia)) + 
  geom_line(show.legend = FALSE) + facet_wrap(~ Escuderia) +
  scale_x_discrete(breaks=c('R01', 'R04', 'R08', 'R12', 'R17')) +
  labs(title = 'Resultados Fórmula 1 2020, Ranking escuderías',
       caption = 'fuente: www.formel1.de')

# IX.A continuación formaremos un vector con cada una de las ubicaciones en donde se desarrollaron las 17 carreras.

Austria<-c(47.2197222,14.7647222)
Hungría<-c(47.5822222,19.2511111)
Inglaterra<-c(52.0786111,-1.0169444)
España<-c(41.5700000,2.2611111)
Bélgica<-c(50.4372222,5.9713888)
ItaliaM<-c(45.6205555,9.2894444)
ItaliaT<-c(43.9975,11.37194)
Rusia<-c(43.40833,39.96556)
Alemania<-c(50.3355555,6.9475)
Portugal<-c(37.2294,-8.63053)
ItaliaER<-c(44.3411111,11.7133333)
Turquía<-c(40.9516666,29.405)
Barein<-c(26.0325,50.5105555)
EAU<-c(24.4702444,54.606075)
sedes<-rbind(Austria,Hungría,Inglaterra,España,Bélgica,ItaliaM,ItaliaT,Rusia,Alemania,Portugal,ItaliaER,Turquía,Barein,EAU)
sedes
##                [,1]      [,2]
## Austria    47.21972 14.764722
## Hungría    47.58222 19.251111
## Inglaterra 52.07861 -1.016944
## España     41.57000  2.261111
## Bélgica    50.43722  5.971389
## ItaliaM    45.62056  9.289444
## ItaliaT    43.99750 11.371940
## Rusia      43.40833 39.965560
## Alemania   50.33556  6.947500
## Portugal   37.22940 -8.630530
## ItaliaER   44.34111 11.713333
## Turquía    40.95167 29.405000
## Barein     26.03250 50.510556
## EAU        24.47024 54.606075
colnames(sedes)<-c("Longitud","Latitud")
sedes
##            Longitud   Latitud
## Austria    47.21972 14.764722
## Hungría    47.58222 19.251111
## Inglaterra 52.07861 -1.016944
## España     41.57000  2.261111
## Bélgica    50.43722  5.971389
## ItaliaM    45.62056  9.289444
## ItaliaT    43.99750 11.371940
## Rusia      43.40833 39.965560
## Alemania   50.33556  6.947500
## Portugal   37.22940 -8.630530
## ItaliaER   44.34111 11.713333
## Turquía    40.95167 29.405000
## Barein     26.03250 50.510556
## EAU        24.47024 54.606075
sedes<-data.frame(sedes)
sedes
##            Longitud   Latitud
## Austria    47.21972 14.764722
## Hungría    47.58222 19.251111
## Inglaterra 52.07861 -1.016944
## España     41.57000  2.261111
## Bélgica    50.43722  5.971389
## ItaliaM    45.62056  9.289444
## ItaliaT    43.99750 11.371940
## Rusia      43.40833 39.965560
## Alemania   50.33556  6.947500
## Portugal   37.22940 -8.630530
## ItaliaER   44.34111 11.713333
## Turquía    40.95167 29.405000
## Barein     26.03250 50.510556
## EAU        24.47024 54.606075
qmplot(Latitud, Longitud, data=sedes, color=I(rainbow(14)))
## Using zoom = 4...
## Source : http://tile.stamen.com/terrain/4/7/5.png
## Source : http://tile.stamen.com/terrain/4/8/5.png
## Source : http://tile.stamen.com/terrain/4/9/5.png
## Source : http://tile.stamen.com/terrain/4/10/5.png
## Source : http://tile.stamen.com/terrain/4/7/6.png
## Source : http://tile.stamen.com/terrain/4/8/6.png
## Source : http://tile.stamen.com/terrain/4/9/6.png
## Source : http://tile.stamen.com/terrain/4/10/6.png

Ubicaciones de los GP de la temporada 2020 de la Fórmula 1.

#En este espacio aprenderemos a hacer mapas con R utilizando como ejemplo un caso hipotetico. Para asi poder observar una de las muchas utilidades que puede tener esta herramienta. #Supongamos que te encargas de dirigir una investigacion que busca encontrar lo nexos de cierto jefe criminal, para eso cuentas con los datos que te proporciona el gps de los ultimos 30 días de su telefono.
# X. Activar las librerias

library(ggplot2) #Esta librería nos permitira hacer graficas alta calidad
library(ggmap) #Esta librería nos permitirá hacer mapas utilizando fuentes como google 
library(plotly) #esta librería nos permitira hacer graficas interactivas 
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggmap':
## 
##     wind
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout

XI. Escribir las coordenadas de los 30 días

Día<-1:30
LONGITUD<-sample(seq(-99.18648,-99.1,0.01), 30,T)
LATITUD<-sample(seq(19.33329,19.4,0.01), 30, T)
gps<-data.frame(Día,LONGITUD,LATITUD)
gps
##    Día  LONGITUD  LATITUD
## 1    1 -99.14648 19.35329
## 2    2 -99.14648 19.37329
## 3    3 -99.17648 19.37329
## 4    4 -99.17648 19.37329
## 5    5 -99.12648 19.35329
## 6    6 -99.12648 19.34329
## 7    7 -99.11648 19.35329
## 8    8 -99.14648 19.33329
## 9    9 -99.14648 19.39329
## 10  10 -99.13648 19.36329
## 11  11 -99.14648 19.33329
## 12  12 -99.14648 19.36329
## 13  13 -99.15648 19.35329
## 14  14 -99.12648 19.33329
## 15  15 -99.15648 19.33329
## 16  16 -99.12648 19.33329
## 17  17 -99.17648 19.36329
## 18  18 -99.17648 19.38329
## 19  19 -99.11648 19.38329
## 20  20 -99.13648 19.38329
## 21  21 -99.17648 19.33329
## 22  22 -99.12648 19.33329
## 23  23 -99.16648 19.33329
## 24  24 -99.14648 19.34329
## 25  25 -99.18648 19.37329
## 26  26 -99.10648 19.37329
## 27  27 -99.10648 19.35329
## 28  28 -99.18648 19.36329
## 29  29 -99.10648 19.37329
## 30  30 -99.13648 19.33329

XII. Graficas los puntos obtenidos con ‘ggplot’ y ‘geom_point’.

ruta_del_criminal<-ggplot(gps)+geom_point(aes(x=LONGITUD,y=LATITUD),color=Día)
ruta_del_criminal

XIII. Ahora vamos a identificar los lugares con los numeros de los días.

ruta_del_criminal_con_dias<-ggplot(gps)+geom_text(aes(LONGITUD,LATITUD,label = Día))
ruta_del_criminal_con_dias

XIV. El siguiente paso será hacer una grafica interactiva con ‘ggploty’

ggplotly(ruta_del_criminal_con_dias)

XV. Graficando los datos de la ruta del criminal en un mapa con la función ‘qmplot’

La funcion ‘qmplot’ nos permite hacer mapas de forma rapida y sencilla conociendo la longitud y la latitud.

qmplot(LONGITUD,LATITUD, data = gps)
## Using zoom = 13...
## Source : http://tile.stamen.com/terrain/13/1838/3645.png
## Source : http://tile.stamen.com/terrain/13/1839/3645.png
## Source : http://tile.stamen.com/terrain/13/1840/3645.png
## Source : http://tile.stamen.com/terrain/13/1838/3646.png
## Source : http://tile.stamen.com/terrain/13/1839/3646.png
## Source : http://tile.stamen.com/terrain/13/1840/3646.png
## Source : http://tile.stamen.com/terrain/13/1838/3647.png
## Source : http://tile.stamen.com/terrain/13/1839/3647.png
## Source : http://tile.stamen.com/terrain/13/1840/3647.png

XVI. Cambiando el color y tamaño de los puntos con los parametros ‘color’ y ‘size’

qmplot(LONGITUD,LATITUD,data = gps,color = Día, size = I(2))
## Using zoom = 13...

XVII. Mapa de densidad con el parametro ‘geo=c(“point”, “density2d”)’

qmplot(LONGITUD,LATITUD,data = gps,geom = c("point","density2d"))
## Using zoom = 13...

Video